Η εμφάνιση της Ψηφιακής Φωτογραμμετρίας, ήδη από τις αρχές της δεκαετίας του 80-90, άνοιξε το δρόμο για την εισαγωγή αυτοματισμών στις περισσότερες από τις συνήθεις φωτογραμμετρικές διαδικασίες. Από τότε μέχρι σήμερα, παρατηρείται μία ολοένα αυξανόμενη τάση που αποσκοπεί στον πλήρη αυτοματισμό των διαδικασιών αυτών. Μέσα σε αυτό το πλαίσιο γεννήθηκε η ιδέα για την εκπόνηση της παρούσας διπλωματικής εργασίας, η οποία αφορά στην πλήρη αυτοματοποίηση της διαδικασίας συνένωσης τρισδιάστατων νεφών σημείων. Πιο συγκεκριμένα, προτείνεται μία διαφορετική μέθοδος συνένωσης δύο νεφών, η οποία χρησιμοποιεί ομόλογα σημεία που εντοπίζονται αυτόματα πάνω σε επικαλυπτόμενες εικόνες του αντικειμένου. Η υλοποίηση της μεθόδου γίνεται μέσα από λογισμικό που συντάχθηκε στο περιβάλλον του Matlab. Απαραίτητα δεδομένα για την εκτέλεση της διαδικασίας είναι τα προϊόντα δύο σαρώσεων ενός αντικειμένου από σαρωτή δομημένου φωτός (Structured Light Scanner), δηλαδή δύο νέφη σημείων συνοδευόμενα από την απεικόνιση υφής (texture map) του αντικειμένου και δύο εικόνες, μία από κάθε θέση σάρωσης. Το λογισμικό εντοπίζει ομόλογα σημεία στις δύο εικόνες εφαρμόζοντας αλγορίθμους αυτόματης συνταύτισης χαρακτηριστικών (Feature Based Matching). Οι ομολογίες των σημείων παρεμβάλλονται στην απεικόνιση υφής (texture map) του αντικειμένου, μέσω της οποίας γίνεται τελικώς η μετάβαση σε ομόλογα σημεία του τρισδιάστατου νέφους, τους κόμβους. Στη συνέχεια το λογισμικό υπολογίζει τον τρισδιάστατο μετασχηματισμό στερεού σώματος (3D Rigid Body Transformation) μεταξύ των ομόλογων κόμβων, ο οποίος τελικώς εφαρμόζεται στο τρισδιάστατο νέφος σημείων, ώστε αυτό να μετασχηματιστεί από το σύστημα αναφοράς της μίας σάρωσης σε αυτό της άλλης.
Since the early ‘80s, when Digital Photogrammetry made its initial appearance, important progress has been made in the area of automations using the most common photogrammetric procedures. Nowadays, increasing interest in the full automation of such procedures has been observed. It is these observations that have given rise to the diploma thesis at hand, concerning full automation of 3D Point Cloud Registration process. In particular, an alternative registration method based on corresponding points, which are detected on overlapping images, is being proposed. The method is implemented via an algorithm developed in Matlab. Application of the proposed method is carried out using two different scanning products acquired from a structure light scanner i.e. two point clouds along with their texture map and two images, one from each scanning position. The algorithm detects corresponding points between overlapping images applying techniques from the field of Feature Based Matching. Point correspondences are then interpolated directly to any given texture map, which is attached to 3D points, the vertices. Subsequently, the software computes a 3D Rigid Body transformation, which is finally applied to the 3D point clouds, in order to transform one scanning reference system to another.